买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东理工大学申请的专利一种融合频域信息的小样本图像生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116452843B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211230702.X，技术领域涉及：G06V10/764；该发明授权一种融合频域信息的小样本图像生成方法是由杨孟平;王喆;李冬冬;杨海设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种融合频域信息的小样本图像生成方法在说明书摘要公布了：本发明公开了一种融合频域信息的小样本图像生成方法，用于小样本场景下的高质量图像生成。本发明提供的融合频域信息的小样本图像生成方法包括：对训练图片进行预处理，将预处理后的训练图片用于训练判别器网络和生成器网络，判别器网络包括图片特征判别模块，高频判别模块以及判别器网络损失模块，生成器网络包括映射生成图片模块，频域跳跃链接模块以及生成器网络损失模块，生成器网络与判别器网络根据各自损失进行训练迭代更新，直至达到最大迭代次数。本发明能够在小样本场景下生成更多样、更真实和更高质量的图片。

本发明授权一种融合频域信息的小样本图像生成方法在权利要求书中公布了：1.一种融合频域信息的小样本图像生成方法，用于在训练数据有限场景下生成真实多样的图片，其特征在于，所述融合频域信息的小样本图像生成方法包括： 1训练图片预处理步骤，将预处理后的训练图片用于训练判别器网络与生成器网络； 所述训练图片包括来自训练集的真实图片与来自生成器网络的生成图片，对所述训练图片进行Resize，随机水平翻转，归一化为均值等于0.5，方差等于0.5后转换为张量形式，得到所述预处理后的训练图片； 2训练所述判别器网络步骤，基于所述预处理后的训练图片对所述判别器网络进行训练，所述判别器网络包括图片特征判别模块，高频判别模块以及判别器网络损失模块； 所述图片特征判别模块用于对所述预处理后的训练图片进行特征提取并进行判别，判别所述预处理后的训练图片为所述真实图片还是所述生成图片； 所述高频判别模块用于对所述预处理后的训练图片进行高频信息提取并进行频域判别，所述高频判别模块利用Haar小波变换对所述预处理后的训练图片进行所述高频信息提取，所述Haar小波变换包含两个互为镜像的操作：小波Pooling和小波Unpooling操作，所述小波Pooling操作将所述预处理后的训练图片转换为频域表示，所述小波Unpooling操作将频域表示重构为图片表示； 所述判别器网络损失模块用于根据所述图片特征判别模块与所述高频判别模块计算所述判别器网络的约束损失，根据所述判别器网络的约束损失对所述判别器网络进行训练和迭代更新； 3训练所述生成器网络步骤，基于所述判别器网络，对所述生成器网络进行训练，所述生成器网络包括映射生成图片模块、频域跳跃链接模块、高频信息对齐模块以及生成器网络损失模块； 所述映射生成图片模块用于将从高斯分布中随机采样得到的噪声进行映射，得到所述生成图片； 所述频域跳跃链接模块用于对所述生成图片进行频域信息提取并将提取到的频域信息以跳跃链接的方式传输到所述生成器网络的深层； 所述高频信息对齐模块用于对所述生成图片与所述真实图片的高频信息进行对齐； 所述生成器网络损失模块用于根据所述判别器网络与所述高频信息对齐模块计算所述生成器网络的约束损失，根据所述生成器网络的约束损失对所述生成器网络进行训练和迭代更新； 4交替对所述判别器网络和所述生成器网络进行训练，直至达到最大迭代次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东理工大学，其通讯地址为：200030 上海市徐汇区梅陇路130号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。